Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à WrenAI OSS
- Aperçu de l'architecture WrenAI
- Composants clés et écosystème OSS
- Installation et configuration
Modélisation sémantique dans Wren AI
- Définition des couches sémantiques
- Conception de métriques et de dimensions réutilisables
- Meilleures pratiques pour la cohérence et la maintenabilité
La mise en pratique du Texte vers SQL
- Mappage de la langue naturelle aux requêtes
- Amélioration de l'exactitude de la génération SQL
- Défis courants et dépannage
Calibration et optimisation des prompts
- Stratégies d'ingénierie des prompts
- Ajustement pour les jeux de données d'entreprise
- Équilibrage de la précision et des performances
Mettre en place des barrières de sécurité
- Empêcher les requêtes dangereuses ou coûteuses
- Mécanismes de validation et d'approbation
- Considérations en matière de gouvernance et de conformité
Intégration de WrenAI dans les workflows de données
- Incorporation de Wren AI dans les pipelines
- Connexion aux outils BI et de visualisation
- Déploiements pour plusieurs utilisateurs et entreprises
Cas d'utilisation avancés et extensions
- Plugins personnalisés et intégrations API
- Extension de WrenAI avec des modèles ML
- Échelle pour les grands ensembles de données
Résumé et prochains pas
Pré requis
- Compréhension solide de SQL et des systèmes de base de données
- Expérience avec la modélisation des données et les couches sémantiques
- Connaissance des concepts d'apprentissage automatique ou de traitement du langage naturel
Public cible
- Ingénieurs de données
- Ingénieurs analytiques
- Ingénieurs ML
21 Heures